-
公开(公告)号：CN113470046A
公开(公告)日：2021-10-01
申请号：CN202110667134.9
申请日：2021-06-16
Applicant: 浙江工业大学
Abstract: 一种面向医学图像超像素灰度纹理采样特征的图注意力网络分割方法，包括以下步骤：步骤一：超像素分割；步骤二：提取超像素灰度纹理采样特征；步骤三：超像素构图；步骤四：超像素真值标签设定；步骤五：训练多头注意力网络模型；步骤六：超像素分类与图像分割。本发明提出了一种分割精度高、运行效率高的医学图像图注意力网络分割方法，降低了医学图像分割任务的数据处理规模，提高了其分割模型的训练速度。
-
公开(公告)号：CN113469225A
公开(公告)日：2021-10-01
申请号：CN202110666728.8
申请日：2021-06-16
Applicant: 浙江工业大学
Abstract: 一种基于跨域特征相关性分析的图像转换方法，提出了将较易获得的paired但unaligned cross‑domain真实胰腺瘤图像采用为弱标签，并构建了一种基于特征相关性分析的图像转换框架；图像转换模型可将源domain胰腺瘤真实图转换为目标domain合成图，临床表征准确的合成图具有较高的病理诊断价值。在有标签监督的情况下，转换模型的性能通常会被提升；从而，合成图表征更为准确。作为结果，转换前后的真实图/合成图之间的cross‑domain图像特征相关性被该框架分析，并对转换模型的优化提供约束。
-
公开(公告)号：CN113298717A
公开(公告)日：2021-08-24
申请号：CN202110636035.4
申请日：2021-06-08
Applicant: 浙江工业大学
Abstract: 一种基于多注意力残差特征融合的医学图像超分辨率重建方法，联合了通道注意力机制和空间注意力机制两个模块，让网络对输入图片的特征进行加权重处理，从而解决输入特征被平等处理而导致网络表征能力不足的问题；提出了残差注意力特征融合模块(RAFF)，将神经网络中局部的特征进行融合，再加上全局的特征融合，可以更充分地利用整个网络中的局部残差特征，从而解决深度神经网络过深而网络学习能力不足的问题。本发明有效地对医学图像进行超分辨率重建，可以提高较深的超分辨率网络的图像超分重建性能。
-
公开(公告)号：CN113256508A
公开(公告)日：2021-08-13
申请号：CN202110382804.2
申请日：2021-04-09
Applicant: 浙江工业大学
Abstract: 一种改进的小波变换与卷积神经网络图像去噪声的方法，包括如下步骤：一、对原始数字图像进行尺寸归一化、噪声添加和数据扩充；二、构建图像去噪声网络模型WTCNN，为获得含噪声图像的特征，构建小波系数模型，采用平稳小波变换SWT，将输入的含噪声图像变换为不同子带的小波系数，获得卷积神经网络的输入数据，然后构建两种图像去噪声算法相结合的模型结构；三、通过步骤二获取的较理想的去噪声模型来对真实场景下的含噪声图像进行仿真去噪，得到去噪声后的图像。本发明提高了去噪声算法的网络性能。
-
公开(公告)号：CN112488048A
公开(公告)日：2021-03-12
申请号：CN202011483184.3
申请日：2020-12-16
Applicant: 浙江工业大学
Abstract: 一种基于深度学习及随机阵列的声信号差分特征融合方法，包括波束成形方法和波达方向估计方法，波束成形方法的过程为：输入空间矩阵；空间矩阵通过系数估计CNN得到差分卷积核；构建随机声阵列输入声信号；将声信号变换成频域信号输入随机阵列模拟器；将信号输入差分卷积网络；根据多种选取模式，以取平均的方式完成差分特征提取；处理完成后输入空间滤波CNN，给出结果；波达方向估计方法的过程和波束成形方法总体相似，其中差分卷积核不接受提供的卷积核而是自行初始化；通过波达估计CNN而不是空间滤波CNN输出空间矩阵的估计。本发明通过深度学习的方法提高波达方向估计精度和波束成形的指向性。
-
Patent Agency Ranking
公开(公告)号：CN108734138B
公开(公告)日：2020-10-30
申请号：CN201810505419.0
申请日：2018-05-24
Applicant: 浙江工业大学
Abstract: 一种基于集成学习的黑色素瘤皮肤病图像分类方法，包括以下步骤：步骤1，使用基于随机掩盖大小固定的区域的数据增强方式来扩充训练样本；步骤2，建立多个卷积神经网络模型，使用的训练集包含黑色素瘤皮肤图像和非黑色素瘤皮肤图像；使用卷积残差50层网络；使用交叉熵损失函数；步骤3，卷积神经网络模型的集成：假定由训练集1训练得到的模型为分类模型1，训练集2训练得到的模型为分类模型2，对分类模型1和分类模型2分别使用测试集来测试其效果，然后每个模型会各自给出测试样本属于黑色素瘤的概率值p1，p2，集成的时候对于测试样本属于黑色素瘤的概率p＝(p1+p2)/2。本发明分类精度较高、数据均衡，提高黑色素瘤自动识别分类的性能。
-
公开(公告)号：CN111489327A
公开(公告)日：2020-08-04
申请号：CN202010149987.9
申请日：2020-03-06
Applicant: 浙江工业大学
Abstract: 一种基于Mask R-CNN算法的癌细胞图像检测与分割方法，包括以下步骤：步骤1，制作数据集；步骤2，癌细胞的特征提取，包括以下步骤：2.1、特征提取网络的搭建；2.2、网络卷积方式的修改，将网络中卷积核大小为3×3的标准卷积替换为同内核中采用不同大小卷积核的异构卷积；2.3、特征多尺度融合；步骤3，癌细胞目标区域候选框的生成，将融合后的特征送入RPN网络中进行目标区域生成；步骤4，癌细胞图像的检测目标结果精炼；步骤5，癌细胞图像的分割Mask生成。本发明提供了一种基于Mask R-CNN算法的癌细胞图像检测与分割方法，该方法减少了计算参数，降低了训练时间，提升了性能。
-
公开(公告)号：CN111489291A
公开(公告)日：2020-08-04
申请号：CN202010143034.1
申请日：2020-03-04
Applicant: 浙江工业大学
Abstract: 一种基于网络级联的医学图像超分辨率重建方法，包括以下步骤：1)对图像进行预处理，使得图像能更好地参与训练，方便之后的网络进行学习；2)构建图像金字塔，提取图像的级联信息；3)利用级联网络对图像进行超分；4)级联网络的设计基础为拉普拉斯金字塔以及BE-GAN，网络通过生成残差图像并于原图像加和的方式来生成高清的超分图像；利用残差图像可以减少网络学习所需的信息总量，可以减小网络的训练压力，从而使得网络可以在较小的数据集下获得更好的效果；级联则可以使网络各层级之间相对独立，使得网络可以适应各分辨率下的超分任务。
-
公开(公告)号：CN109959123A
公开(公告)日：2019-07-02
申请号：CN201910182274.X
申请日：2019-03-11
Applicant: 浙江工业大学
Abstract: 一种基于遗传算法和长短期记忆循环神经网络的空调节能方法，包括以下步骤：步骤1，建立空调能耗预测评估模型；步骤2，确定优化参数；步骤3，用遗传算法将冷却供水温度、冷却供回水温差进行编码，根据此编码，在一定范围内，随机生成冷却供水温度、冷却供回水温差，得到若干染色体组成的初始种群；步骤4，将当前工况的其他参数以及染色体参数解码并输入LSTM‑RNN空调预测评估模型，进行染色体评估，计算适应度函数，并对较优染色体进行交叉、变异；得到的最优染色体解码即最优参数；步骤5，将最优参数结合当前工况下的其他参数，输入预测评估模型得到优化后空调功耗。发明提升了预测评估准确率，达到较好的优化能耗的效果。
-
公开(公告)号：CN106447782B
公开(公告)日：2019-05-28
申请号：CN201610628087.6
申请日：2016-08-02
Applicant: 浙江工业大学
IPC: G06T17/30
Abstract: 一种基于核磁共振图像的面部皮肤三维重建方法，所述方法包括以下步骤：1)面部MRI图像预处理：采用三维离散高斯平滑算子，对面部MRI图像进行滤波预处理；2)基于连通网格面积判定法的面部皮肤组织重建修正，步骤如下：(2.1)使用网格连通性判定法修正重建结果，首先要把重建结果根据连通性划分为若干连通部分；(2.2)把结果分离成若干连通区域后需要对其面积进行求解，数据为三角网格，所以对面积的计算为对每个三角网格面积计算后求和。本发明提供了一种误差较小、重建效果良好的基于核磁共振图像的面部皮肤三维重建方法。
-
-
-
-
-
-
-
-
-
Search Results
192
records
(took 0.028 seconds)
